轉載地址：http://blog.itpub.net/10752043/viewspace-996696/

此篇文章講了在影象變換中基本的插值演算法（最臨近、雙線性和　三次卷積法）

實踐已證明，插值演算法對於縮放比例較小的情況是完全可以接受的，令人信服的。一般的，縮小0.5倍以上或放大3.0倍以下，對任何影象都是可以接受的。

最鄰近插值（近鄰取樣法）：
　　最臨近插值的的思想很簡單。對於通過反向變換得到的的一個浮點座標，對其進行簡單的取整，得到一個整數型座標，這個整數型座標對應的畫素值就是目的畫素的畫素值，也就是說，取浮點座標最鄰近的左上角點（對於DIB是右上角，因為它的掃描行是逆序儲存的）對應的畫素值。可見，最鄰近插值簡單且直觀，但得到的影象質量不高

雙線性內插值：
　　對於一個目的畫素，設定座標通過反向變換得到的浮點座標為(i+u,j+v)，其中i、j均為非負整數，u、v為[0,1)區間的浮點數，則這個畫素得值 f(i+u,j+v) 可由原影象中座標為 (i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所對應的周圍四個畫素的值決定，即：

　　　　f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)

其中f(i,j)表示源影象(i,j)處的的畫素值，以此類推
　　這就是雙線性內插值法。雙線性內插值法計算量大，但縮放後圖像質量高，不會出現畫素值不連續的的情況。由於雙線性插值具有低通濾波器的性質，使高頻分量受損，所以可能會使影象輪廓在一定程度上變得模糊

 三次卷積法：

　　三次卷積法能夠克服以上兩種演算法的不足，計算精度高，但計算亮大，他考慮一個浮點座標(i+u,j+v)周圍的16個鄰點，目的畫素值f(i+u,j+v)可由如下插值公式得到：

　　　　f(i+u,j+v) = [A] * [B] * [C]

[A]=[ S(u + 1)  S(u + 0)  S(u - 1)  S(u - 2) ]

　　┏ f(i-1, j-1)  f(i-1, j+0)  f(i-1, j+1)  f(i-1, j+2) ┓
[B]=┃ f(i+0, j-1)  f(i+0, j+0)  f(i+0, j+1)  f(i+0, j+2) ┃
　　┃ f(i+1, j-1)  f(i+1, j+0)  f(i+1, j+1)  f(i+1, j+2) ┃
　　┗ f(i+2, j-1)  f(i+2, j+0)  f(i+2, j+1)  f(i+2, j+2) ┛

　　┏ S(v + 1) ┓
[C]=┃ S(v + 0) ┃
　　┃ S(v - 1) ┃
　　┗ S(v - 2) ┛

　　 ┏ 1-2*Abs(x)^2+Abs(x)^3  , 0<=Abs(x)<1
S(x)=｛ 4-8*Abs(x)+5*Abs(x)^2-Abs(x)^3  , 1<=Abs(x)<2
　　 ┗ 0  , Abs(x)>=2
S(x)是對 Sin(x*Pi)/x 的逼近（Pi是圓周率——π）

最鄰近插值（近鄰取樣法）、雙線性內插值、三次卷積法 等插值演算法對於旋轉變換、錯切變換、一般線性變換 和 非線性變換 都適用。

補充：
一、對於24位DIB，需要分別對RGB分量進行處理；
二、對於f(x,y)中沒有對應值的座標，應該用最鄰近座標的值（比如f(-1,-1)用f(0,0)的值）。